PyTorch 中文教程 & 文档

白天 夜间 首页 下载 阅读记录
  我的书签   添加书签   移除书签

序列化的相关语义

赞赏作者 来源 来源 浏览 457 扫码 分享 2022-04-20 10:46:27

若有收获，就点个赞吧

0 人点赞

上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 内容导航
  • 0.3 内容导航
  • 0.4 版本内容导航
  • 1.0 内容导航
  • 1.4 内容导航
  • 1.7 版本内容导航
  • 最近更新
  • 1.7 版本内容导航
  • 贡献指南
  • 致谢
  • 自动求导机制
  • CUDA语义
  • 扩展PyTorch
  • 多进程最佳实践
  • 序列化语义
  • torch.utils.data
  • torch.utils.ffi
  • torch.nn.functional
  • 遗产包 - torch.legacy
  • torch.utils.model_zoo
  • torch.nn.init
  • torch.Storage
  • torch.Tensor
  • Automatic differentiation package - torch.autograd
  • torch.cuda
  • torch.multiprocessing
  • torch.nn
  • torch.optim
  • torch
  • PyTorch 0.2 中文文档
  • torchvision.datasets
  • torchvision.models
  • pytorch torchvision transform
  • torchvision.utils
  • torchvision
  • 高级教程
  • Automatic differentiation package - torch.autograd
  • 初学者教程
  • 自动求导: 自动微分
  • 训练一个分类器
  • 可选: 数据并行
  • 神经网络
  • PyTorch 是什么？
  • 为 pytorch 自定义 C 扩展
  • 用字符级RNN分类名称
  • 基与字符级RNN(Char-RNN）的人名生成
  • torch.cuda
  • 数据加载和处理教程
  • torch.utils.data
  • torchvision.datasets
  • PyTorch 深度学习: 60 分钟极速入门教程
  • 针对NLP的Pytorch深度学习
  • Writing Distributed Applications with PyTorch
  • Distributed communication package - torch.distributed
  • Probability distributions - torch.distributions
  • torch.utils.ffi
  • Autograd (自动求导)
  • nn package
  • Multi-GPU examples
  • Tensors
  • PyTorch for former Torch users
  • 中级教程
  • Legacy package - torch.legacy
  • torch.utils.model_zoo
  • torchvision.models
  • Multiprocessing package - torch.multiprocessing
  • 用 PyTorch 做 神经转换 (Neural Transfer)
  • 高级教程: 作出动态决策和 Bi-LSTM CRF
  • PyTorch深度学习
  • PyTorch介绍
  • 序列模型和 LSTM 网络(长短记忆网络）
  • 词汇嵌入:编码词汇语义
  • torch.nn
  • 自动求导机制
  • 广播语义
  • CUDA 语义
  • 扩展 PyTorch
  • 多进程的最佳实践
  • 序列化语义
  • 介绍
  • 使用 numpy 和 scipy 创建扩展
  • torch.onnx
  • torch.optim
  • Package 参考
  • PyTorch: 动态控制流程 + 权重共享
  • PyTorch: 定制化nn模块
  • PyTorch: 定义新的autograd函数
  • PyTorch: nn包
  • PyTorch: optim包
  • PyTorch: Tensors
  • PyTorch: 变量和autograd
  • TensorFlow: 静态图
  • Warm-up: numpy
  • 跟着例子学习 PyTorch
  • PyTorch 0.3 中文文档 & 教程
  • 强化学习(DQN）教程
  • 用基于注意力机制的seq2seq神经网络进行翻译
  • torch.sparse
  • 空间转换网络 (Spatial Transformer Networks) 教程
  • torch.Storage
  • 使用 ONNX 将模型从 PyTorch 迁移到 Caffe2 和 Mobile
  • torch.Tensor
  • torch
  • torchvision 参考
  • torchvision
  • 迁移学习教程
  • torchvision.transforms
  • 中文教程
  • torchvision.utils
  • 笔记
  • 自动求导机制
  • Torch
  • torch.Tensor
  • Tensor Attributes
  • torch.sparse
  • torch.cuda
  • torch.Storage
  • torch.nn
  • torch.nn.functional
  • 自动差异化包 - torch.autograd
  • torch.optim
  • 广播语义
  • torch.nn.init
  • torch.distributions
  • Multiprocessing 包 - torch.multiprocessing
  • 分布式通讯包 - torch.distributed
  • torch.utils.bottleneck
  • torch.utils.checkpoint
  • torch.utils.cpp_extension
  • torch.utils.data
  • torch.utils.ffi
  • torch.utils.model_zoo
  • CUDA 语义
  • torch.onnx
  • 遗留包 - torch.legacy
  • torchvision 参考
  • torchvision
  • torchvision.datasets
  • torchvision.models
  • torchvision.transform
  • torchvision.utils
  • 扩展 PyTorch
  • 常见问题
  • 多进程最佳实践
  • 序列化语义
  • Windows 常见问题
  • 包参考
  • PyTorch 0.4 中文文档
  • Automatic differentiation package - torch.autograd
  • PyTorch 1.0 使用 Amazon AWS 进行分布式训练
  • Autograd：自动求导
  • 训练分类器
  • 可选: 数据并行处理
  • 神经网络
  • 什么是PyTorch？
  • torch.utils.bottleneck
  • 使用字符级别特征的RNN网络进行名字分类
  • 使用字符级别特征的RNN网络生成名字
  • 聊天机器人教程
  • torch.utils.checkpoint
  • 在C++中加载PYTORCH模型
  • 自定义 C++ 与 CUDA 拓展
  • 使用 PyTorch C++ 前端
  • torch.cuda
  • 数据加载和处理教程
  • torch.utils.data
  • DCGAN 教程
  • PyTorch 深度学习: 60 分钟极速入门
  • 在深度学习和 NLP 中使用 Pytorch
  • 混合前端的seq2seq模型部署
  • 使用PyTorch编写分布式应用程序
  • 分布式通信包(已弃用）-torch.distributed.deprecated
  • 分布式通信包 - torch.distributed
  • 概率分布 - torch.distributions
  • torch.utils.dlpack
  • torch.utils.cpp_extension
  • 注解
  • 包参考
  • torchvision 参考
  • 对抗性示例生成
  • Torchvision模型微调
  • torch.hub
  • Torch 脚本
  • torch.utils.model_zoo
  • 多进程包 - torch.multiprocessing
  • 使用PyTorch进行图像风格转换
  • 高级：制定动态决策和Bi-LSTM CRF
  • 使用PyTorch进行深度学习
  • PyTorch 介绍
  • 序列模型和LSTM网络(长短记忆网络)
  • 词嵌入：编码形式的词汇语义
  • 卷积函数
  • torch.nn.init
  • torch.nn 到底是什么？
  • torch.nn
  • 自动求导机制
  • 广播语义
  • CUDA 语义
  • 扩展PyTorch
  • 常见问题解答
  • 多进程最佳实践
  • 再生性
  • 序列化的相关语义
  • Windows FAQ
  • 用 numpy 和 scipy 创建扩展
  • torch.onnx
  • ONNX 现场演示教程
  • torch.optim
  • 用例子学习 PyTorch
  • PyTorch 1.0 中文文档 & 教程
  • 强化学习 (DQN) 教程
  • 保存和加载模型
  • 基于注意力机制的 seq2seq 神经网络翻译
  • torch.sparse
  • 空间变换器网络教程
  • torch.Storage
  • 使用ONNX将模型从PyTorch传输到Caffe2和Mobile(移动端)
  • Tensor(张量）的属性
  • torch.Tensor
  • BLAS和LAPACK操作
  • 比较行动
  • 其他行动
  • 逐点行动
  • 减少行动
  • 光谱行动
  • Math operations
  • 随机抽样
  • 使用TorchScript注册自定义运算符
  • 序列化
  • Tensors
  • torch
  • torchvision.datasets
  • torchvision.models
  • torchvision.transforms
  • torchvision.utils
  • 迁移学习教程
  • 扩展 PyTorch
  • 生成
  • 起步
  • 图像
  • 其它语言中的 PyTorch
  • 生产性使用
  • 强化学习
  • 文本
  • 数据类型信息
  • 空间变压器网络教程
  • 类型信息
  • 命名张量
  • 命名为 Tensors 操作员范围
  • 糟糕！
  • torchvision参考
  • torchvision
  • 音频参考
  • torchaudio
  • torchtext参考
  • torchtext
  • 使用 PyTorch 进行神经传递
  • 社区
  • PyTorch 贡献指南
  • PyTorch 治理
  • PyTorch 治理| 感兴趣的人
  • 对抗示例生成
  • DCGAN 教程
  • 音频
  • torchaudio 教程
  • 文本
  • NLP From Scratch: 使用char-RNN对姓氏进行分类
  • NLP From Scratch: 生成名称与字符级RNN
  • NLP From Scratch: 基于注意力机制的 seq2seq 神经网络翻译
  • 使用 TorchText 进行文本分类
  • 使用 TorchText 进行语言翻译
  • 使用 nn.Transformer 和 TorchText 进行序列到序列建模
  • 命名为 Tensor(实验性）
  • (实验性）PyTorch 中的命名张量简介
  • 强化学习
  • 强化学习(DQN）教程
  • 在生产中部署 PyTorch 模型
  • 通过带有 Flask 的 REST API 在 Python 中部署 PyTorch
  • TorchScript 简介
  • 入门
  • 在 C ++中加载 TorchScript 模型
  • (可选）将模型从 PyTorch 导出到 ONNX 并使用 ONNX Runtime 运行
  • 并行和分布式训练
  • 单机模型并行最佳实践
  • 分布式数据并行入门
  • 用 PyTorch 编写分布式应用程序
  • 分布式 RPC 框架入门
  • (高级）带有 Amazon AWS 的 PyTorch 1.0 分布式训练师
  • 扩展 PyTorch
  • 使用自定义 C ++运算符扩展 TorchScript
  • 使用 PyTorch 进行深度学习：60 分钟的闪电战
  • 使用自定义 C ++类扩展 TorchScript
  • 使用 numpy 和 scipy 创建扩展
  • 自定义 C ++和 CUDA 扩展
  • 模型优化
  • LSTM Word 语言模型上的(实验）动态量化
  • (实验性）在 PyTorch 中使用 Eager 模式进行静态量化
  • (实验性）计算机视觉教程的量化转移学习
  • (实验）BERT 上的动态量化
  • 修剪教程
  • PyTorch 用其他语言
  • 编写自定义数据集，数据加载器和转换
  • 使用 PyTorch C ++前端
  • PyTorch 基础知识
    • 文件
    • torch.nn 到底是什么？
    • 通过示例学习 PyTorch
  • 笔记
    • CUDA 语义
    • CPU 线程和 TorchScript 推断
    • 广播语义
    • 自动求导机制
  • 使用 TensorBoard 可视化模型，数据和训练
  • 分布式 Autograd 设计
  • 扩展 PyTorch
  • 经常问的问题
  • 大规模部署的功能
  • 并行处理最佳实践
  • 重现性
  • 远程参考协议
  • 序列化语义
  • Windows 常见问题
  • XLA 设备上的 PyTorch
  • 图片
  • 语言绑定
  • PyTorch C ++ API
  • PyTorch Java API
  • Python API
  • torch
  • torch.nn
  • torch功能
  • torch张量
  • 张量属性
  • 自动差分包-Torch.Autograd
  • TorchVision 对象检测微调教程
  • torch.cuda
  • 分布式通讯包-Torch.Distributed
  • 概率分布-torch分布
  • torch.hub
  • torch脚本
  • torch.nn.init
  • torch.onnx
  • torch.optim
  • 量化
  • 分布式 RPC 框架
  • 转移学习的计算机视觉教程
  • torch随机
  • torch稀疏
  • torch存储
  • torch.utils.bottleneck
  • torch.utils.checkpoint
  • torch.utils.cpp_extension
  • torch.utils.data
  • torch.utils.dlpack
  • torch.utils.model_zoo
  • torch.utils.tensorboard
  • Autograd：自动求导
  • 训练分类器
  • 可选: 数据并行处理
  • 神经网络
  • 什么是PyTorch？
  • PyTorch 1.4 中文文档 & 教程
  • 学习 PyTorch
  • PyTorch 深度学习：60分钟快速入门
  • 张量
  • torch.autograd的简要介绍
  • 神经网络
  • 训练分类器
  • 通过示例学习 PyTorch
  • NumPy热身
  • PyTorch：张量
  • PyTorch：张量 与 Autograd
  • PyTorch：定义新的 Autograd 函数
  • PYTHORCH: NN
  • PyTorch：optim
  • PyTorch：自定义nn模块
  • PyTorch：控制流 + 权重共享
  • torch.nn到底是什么？
  • 使用 TensorBoard 可视化模型，数据和训练
  • 图片/视频
  • torchvision对象检测微调教程
  • 计算机视觉的迁移学习教程
  • 对抗示例生成
  • DCGAN 教程
  • 音频
  • 音频 I/O 和torchaudio的预处理
  • 使用torchaudio的语音命令识别
  • 文本
  • 使用nn.Transformer和torchtext的序列到序列建模
  • 从零开始的 NLP：使用字符级 RNN 分类名称
  • 从零开始的 NLP：使用字符级 RNN 生成名称
  • 从零开始的 NLP：使用序列到序列网络和注意力的翻译
  • 使用torchtext的文本分类
  • torchtext语言翻译
  • 强化学习
  • 强化学习（DQN）教程
  • 训练玩马里奥的 RL 智能体
  • 在生产中部署 PyTorch 模型
  • 通过使用 Flask 的 REST API 在 Python 中部署 PyTorch
  • TorchScript 简介
  • 在 C++ 中加载 TorchScript 模型
  • 将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选）
  • 前端 API
  • PyTorch 中的命名张量简介（原型）
  • PyTorch 中通道在最后的内存格式（beta）
  • 使用 PyTorch C++ 前端
  • 自定义 C++ 和 CUDA 扩展
  • 使用自定义 C++ 运算符扩展 TorchScript
  • 使用自定义 C++ 类扩展 TorchScript
  • TorchScript 中的动态并行性
  • C++ 前端中的 Autograd
  • 在 C++ 中注册调度运算符
  • 模型优化
  • 分析您的 PyTorch 模块
  • 使用 Ray Tune 的超参数调整
  • 模型剪裁教程
  • LSTM 单词语言模型上的动态量化（beta）
  • BERT 上的动态量化（Beta）
  • PyTorch 中使用 Eager 模式的静态量化（beta）
  • 计算机视觉的量化迁移学习教程（beta）
  • 并行和分布式训练
  • PyTorch 分布式概述
  • 单机模型并行最佳实践
  • 分布式数据并行入门
  • 用 PyTorch 编写分布式应用
  • 分布式 RPC 框架入门
  • 使用分布式 RPC 框架实现参数服务器
  • 使用 RPC 的分布式管道并行化
  • 使用异步执行实现批量 RPC 处理
  • 将分布式DataParallel与分布式 RPC 框架相结合
  • PyTorch 中文官方教程 1.7
  • 新版本: PyTorch 1.2 torchtext 0.4，torchaudio 0.3 和 torchvision 0.4
  • 新版本: PyTorch 1.3 添加 mobile, privacy, quantization 和 named tensors
  • 新版本: PyTorch 1.4发布，域库已更新
  • 版本特性
  • 空标题文档
  • 空标题文档
  • PyTorch 中文教程 & 文档
  • 空标题文档
暂无相关搜索结果！

    让时间为你证明

    展开/收起文章目录

    分享，让知识传承更久远

    文章二维码

    手机扫一扫，轻松掌上读

    文档下载

    请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
    PDF文档 EPUB文档 MOBI文档

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度
        思维导图备注